Internet Industriel des Objets IIOT : Pourquoi c'est le moment idéal pour devenir un data scientist dans une grande entreprise – TechTalks

L'une des caractéristiques communes des entreprises de longue date qui ont réussi à survivre et à prospérer à l'ère des technologies en constante évolution est l'utilisation correcte de la science des données, de l'ingénierie des données et de l'apprentissage automatique. L'omniprésence de la connectivité Internet et les progrès de l'intelligence artificielle offrent aux organisations un potentiel sans précédent pour capter de la valeur, apprendre et développer des solutions qui résolvent de vrais problèmes.

Mais ces organisations ont besoin de spécialistes des données, d'ingénieurs de données et d'ingénieurs en apprentissage automatique / IA talentueux pour transformer ce potentiel en opportunités réelles. Les scientifiques des données, par contre, peuvent apprendre beaucoup et perfectionner leurs compétences en travaillant dans de grandes entreprises qui disposent de l'infrastructure nécessaire pour construire des usines d'IA qui transforment les données en succès dans le monde réel.

Science des données IRL

Comme tout spécialiste des données expérimenté vous le dira, il y a une grande différence entre faire des travaux universitaires et de recherche dans les universités et les établissements d'enseignement et travailler sur des projets réels.

Dans le premier cas, vous entraînez et testez généralement vos modèles d'apprentissage automatique sur des ensembles de données qui ont été nettoyés et prétraités à des fins éducatives et de recherche. Votre entrée est des données, votre sortie de mesures de précision et d'exactitude. L'objectif dans ces environnements est d'apprendre et de repousser les limites de la science. La recherche universitaire dans le domaine de l'apprentissage automatique constitue l'épine dorsale de nombreuses applications que nous utilisons chaque jour.

Mais quand il s'agit de créer des applications du monde réel, des outils que les gens utiliseront dans leur vie quotidienne, différents défis se posent. Les données peuvent être rares, difficiles à collecter, fragmentées ou inexistantes. Les data scientists ont besoin de l'aide d'ingénieurs de bases de données qualifiés pour créer des magasins consolidés de données afin de former et de tester des modèles d'apprentissage automatique.

D'un autre côté, le problème n'est peut-être pas très bien défini. Les algorithmes et modèles d'apprentissage automatique auront un impact direct sur la vie des gens ou sur le fonctionnement de votre organisation. Qu'il s'agisse d'aider un radiologue avec un diagnostic à l'aide de tomodensitogrammes ou de gérer les chaînes d'approvisionnement et de tirer parti de l'IA pour faire de meilleures prévisions et une meilleure planification, les scientifiques des données ont besoin de l'aide d'experts du domaine pour définir les bons critères et indicateurs de succès et d'échec et pour séparer le blé de la balle.

Enfin, les modèles d'apprentissage automatique devront être intégrés dans des applications, des API, des portails Web et livrés à grande échelle à une grande variété d'acteurs et dans différentes régions géographiques. Tous ces défis nécessitent l'aide d'ingénieurs logiciels, de concepteurs UI / UX, d'experts informatiques, etc.

La science des données à grande échelle et dans la vie réelle est très gratifiante et fournira aux futurs scientifiques des données des opportunités uniques de mettre leurs compétences et leurs talents à profit. Mais cela doit également être fait dans le bon écosystème et dans la bonne entreprise, ce que vous trouverez dans les grandes entreprises qui ont réuni les éléments nécessaires.

Exploiter l'explosion des données

L'un des facteurs déterminants de l'augmentation de la demande de spécialistes des données est la capacité croissante de collecter des données du monde physique. Nous pouvons le voir dans un large éventail de domaines que la numérisation n'avait pas encore pénétrés.

«Dans le domaine de la fabrication, nous constatons de nombreuses tendances dans l'IoT industriel (IIot). Tout comme son homologue «  normal '', il s'agit de connecter des appareils industriels, allant des équipements de production à grande échelle à des éléments tels que les robots collaboratifs (Cobots), les véhicules à guidage automatique (AGV), mais aussi des solutions de surveillance de l'énergie pour permettre une utilisation plus efficace de l'énergie. », Déclare Bas Tijsma, ingénieur senior et expert en informatique de fabrication chez Philips.

Tijsma ajoute que la tendance à connecter et à numériser les environnements industriels augmentera avec l'avènement et l'expansion des réseaux 5G, qui peuvent fournir une connectivité robuste dans les usines. «La 5G est également utile pour ramener des informations aux opérateurs et aux ingénieurs de soutien; les données auxquelles ils ne pouvaient accéder qu'à partir de leur ordinateur de bureau peuvent désormais être facilement transmises à l'atelier (ou à la maison) », dit-il.

Nous pouvons observer des tendances similaires dans de nombreux domaines. Dans les soins de santé, par exemple, des équipements personnels aux équipements hospitaliers, il existe plus de connectivité et de capacité de collecte de données que jamais auparavant, ce qui crée des opportunités sans précédent pour les applications de la science des données. «L'évolution de la technologie des soins de santé dans les domaines de la robotique, de la génomique, des dispositifs médicaux, de l'IdO et des appareils portables de fitness au cours de la dernière décennie joue un rôle clé dans la demande croissante de data scientists», déclare Priyaranjan Dhar, Talent Intelligence Data Scientist chez Philips.

Un autre exemple est le secteur de l'assurance, où les fournisseurs de services peuvent utiliser la technologie IoT, comme les appareils télématiques dans les voitures et les capteurs de maison intelligente, pour mieux évaluer les risques et fournir des primes personnalisées aux clients. Il existe maintenant de nombreuses startups qui exploitent la science des données, l'apprentissage automatique et l'IoT pour fournir des services d'assurance dans des domaines jusque-là inconnus. Mais nous assistons également à un changement dans les compagnies d’assurance établies telles que Lloyd’s, qui est engagée dans ses propres initiatives en matière de science des données et contribue également à nourrir le nouvel espace insurtech.

Le commerce de détail physique en est un autre qui a dû s'adapter à l'ère de la numérisation et de l'intelligence artificielle. L'un des grands exemples est Walmart, qui est maintenant très occupé à acquérir des spécialistes des données et des talents en IA pour suivre Amazon, Alibaba et d'autres entreprises qui ont commencé comme des plates-formes de commerce électronique mais sont devenues des détaillants omniprésents de haute technologie. Pendant ce temps, les détaillants qui n'ont pas réussi à s'adapter ont dû céder leur position à des parvenus à la technologie. L'exemple le plus frappant est celui de Sears, qui a déposé son bilan en 2018 après plus d'un siècle d'activité.

Il existe de rares domaines qui n'ont pas été touchés par la science des données. «La science des données joue déjà un rôle crucial dans tous les domaines auxquels on peut penser. Les dispositifs portables ont aidé à sauver des vies en surveillant en permanence les signes vitaux et en signalant s'il y a des anomalies. L'IoT, les capteurs intelligents et la 5G ont trouvé des applications dans les véhicules autonomes et dans l'automatisation complète des expériences d'achat au détail (magasins Amazon Go) », déclare Karthik AV, Senior Manager and Data Scientist chez Philips.

Dans les grandes entreprises technologiques où l'infrastructure technique est en place, les scientifiques des données trouveront l'occasion de mettre à profit cette vaste réserve de données et de la transformer en informations exploitables. Lorsqu'il a commencé à travailler chez Philips, Tijsma, qui a une formation en génie mécanique et industriel, a été étonné de la quantité de systèmes informatiques qui était à sa disposition, et il a rapidement appris à les utiliser pour améliorer les performances de production dans les usines de fabrication.

«J’ai toujours eu un faible pour l’optimisation des systèmes, ce qui est rapidement devenu une partie de mon travail. Après avoir réalisé plusieurs projets d'industrialisation, nous avons réalisé que nous avions beaucoup de données, mais que nous ne les utilisions qu'à des fins de dépannage, après que l'événement se soit déjà produit et fondamentalement trop tard. Ce manque de prévisibilité était essentiellement le début de l'une des premières équipes de science des données dans un site de fabrication et c'est toujours ma passion aujourd'hui », dit-il.

«Philips possède certains des sites de production les plus avancés au monde où ces technologies peuvent être mises au point et testées», déclare Tijsma. «L'un des avantages est que vous travaillez avec des données en temps réel et que vous pouvez immédiatement voir les résultats de votre travail en action.»

Tirer parti des progrès de l'IA

Philips fait partie des entreprises qui se concentrent activement sur le renforcement des capacités de science des données pour améliorer l'expérience client, obtenir un avantage concurrentiel et réduire les lacunes dans l'ensemble de l'organisation. Philips consacre environ 50% de son budget de recherche et développement de 1,8 milliard d'euros à l'informatique. La société donne du sens à ses vastes réserves de données grâce à l'intelligence artificielle et à l'informatique de la santé. Au-delà de la R&D, Philips exploite l'IA et la science des données dans des domaines tels que la vente, le marketing, l'informatique, la chaîne d'approvisionnement, la finance, les ressources humaines, etc. Chez Philips, des équipes multidisciplinaires de scientifiques des données, d'ingénieurs, d'experts cliniques et d'autres collaborent pour créer des technologies d'IA afin d'améliorer la prise de décision et les interventions en matière de soins de santé sur l'ensemble du continuum de soins (mode de vie sain, prévention, diagnostic et traitement, soins à domicile).

Par exemple, dans les usines de fabrication de Philips, les scientifiques des données appliquent une large gamme de techniques d'apprentissage automatique pour améliorer l'efficacité et réduire les coûts.

«Il existe des idées très intéressantes sur la façon d'utiliser les données de production pour prédire le comportement, par exemple la durée de vie prévue des outils de production ou prédire les niveaux de qualité des produits sans avoir à faire des tests d'échantillons. Nous avons déjà implémenté plusieurs modèles d'apprentissage automatique dans nos systèmes de production qui permettent une analyse avancée et un avertissement précoce des écarts de production, déclenchent des alarmes pour nos opérateurs et même contrôlent les paramètres de la machine à un état optimal », explique Tijsma, qui fait partie de l'effort.

Une autre tendance à surveiller est l'application de la recherche de pointe en intelligence artificielle. Par exemple, de nombreuses organisations se reposent déjà sur d'énormes volumes de données non structurées telles que des images, des vidéos, des e-mails et des journaux de discussion, qui nécessitaient principalement des compétences humaines pour le traitement et l'analyse. Ces dernières années, les progrès dans des domaines tels que la vision par ordinateur et le traitement du langage naturel ont permis aux organisations d'appliquer la science des données et l'apprentissage automatique à cette gamme de données, ce qui offre de nouveaux moyens de créer de la valeur pour les clients.

«L'IA comprend de mieux en mieux la compréhension et le traitement des contributions humaines, comme la parole, le texte et les mouvements humains», déclare Tijsma. «Toutes ces données doivent être transformées en informations précieuses. Outre les activités de science des données plus traditionnelles, l'accent est mis sur l'opérationnalisation de la science des données dans un environnement de fabrication, où la plupart des données sont des séries chronologiques et où la qualité des données est inconnue. Le défi est de combiner toutes ces données en informations précieuses, par exemple pour soutenir la maintenance et la qualité avec des capacités prédictives. »

Tijsma explore diverses applications de l'apprentissage profond dans les environnements d'usine. «Un domaine intéressant est l'utilisation de systèmes de caméras et de reconnaissance d'image. Nous voyons tant d'applications allant du contrôle de la qualité aux systèmes de sécurité intelligents pour prévenir les accidents en passant par la surveillance des mouvements humains pour améliorer l'ergonomie », dit-il. L'équipe d'apprentissage automatique de Philips mène déjà un programme pilote dans lequel ils utilisent des réseaux de neurones artificiels pour l'inspection visuelle des équipements et des articles dans les usines.

Chez Philips Talent Intelligence, où travaille Dhar, la science des données en est encore à ses débuts et il y a beaucoup d'expérimentation et d'exploration. «Quelques-uns des principaux projets de pipeline chez Philips Talent Intelligence se concentrent sur l'utilisation de la PNL sur les données de description de poste pour les informations concurrentielles, le regroupement de sites, les grappes de talents, l'engagement des employés et l'analyse des sentiments», dit-il.

Les data scientists de Philips appliquent également leurs connaissances pour rendre la chaîne d'approvisionnement de l'entreprise plus efficace. «Notre objectif actuel a été de déployer une solution de prévision d'ensemble personnalisée et à la pointe de la technologie, en commençant par certains marchés et produits et en la déployant progressivement dans l'ensemble de l'entreprise Philips, ce qui permettra aux planificateurs de la demande de fonctionner et de les soutenir», déclare AV. «Nous exploitons de multiples sources de données à la fois internes (position de l'inventaire, promotions, etc.) et externes (tendances de la recherche Google, mobilité covid-19, trafic Amazon, etc.) pour modéliser avec précision les modèles de demande dans le but d'améliorer la précision de nos prévisions. . »

Synergies et expansion

La science des données s'intègre progressivement dans de nombreux domaines numériques et physiques, à commencer par le génie logiciel. «Bien que la science des données et l'ingénierie logicielle impliquent toutes deux des compétences en programmation, elles sont souvent considérées comme deux disciplines indépendantes avec des domaines d'intervention différents», déclare Lena Jaschke, consultante en compétences au centre d'excellence logiciel de Philips. «Pour certaines applications, cela peut être vrai. Cependant, nous voyons la tendance vers une grande quantité de synergies et une corrélation entre les capacités des logiciels et de la science des données. »

Travaillant avec des développeurs de logiciels du monde entier, Jaschke a observé que les développeurs de logiciels apprécient de plus en plus l'importance des compétences en science des données pour répondre aux besoins futurs. Mais les avantages vont dans les deux sens. «Les data scientists peuvent accélérer leur travail en appliquant une excellente maîtrise logicielle», dit-elle.

L'intégration de la science des données ne fera que s'étendre dans les années à venir. «La science des données a pénétré de nombreux domaines d'activité, et les cas d'utilisation et les applications évoluent chaque jour», déclare Dhar. «La science des données en tant que domaine est désormais centrée sur le domaine. Outre la compréhension technique, une connaissance approfondie du domaine et sa compréhension jouent un rôle clé dans le développement de solutions. »

Les infrastructures numériques riches, la diversité des talents et une grande variété de disciplines et d'activités dans les grandes entreprises technologiques offrent l'environnement idéal pour les aspirants scientifiques des données à atteindre leur plein potentiel et à trouver de nouvelles opportunités pour mettre leurs compétences à profit.

«Pour tous ceux qui rejoignent Philips en tant que data scientist, ils auront une carrière stimulante et enrichissante avec la possibilité d'utiliser les dernières technologies et d'interagir avec des experts à la fois à l'intérieur et à l'extérieur de l'entreprise», déclare AV.

Cet article vous a été présenté par Philips, l'un des principaux fabricants de produits de technologie de la santé. Philips recrute des spécialistes des données, des ingénieurs en apprentissage automatique et des développeurs de logiciels talentueux. En savoir plus ici.

Laisser un commentaire